Mô hình AI đầu tiên của Elorian muốn suy luận với hình ảnh, không chỉ về chúng

Elorian, startup AI tại Palo Alto đã huy động được vòng hạt giống trị giá $55 million với mức định giá $300 million trước khi ra mắt sản phẩm, đã phát hành mô hình đầu tiên của mình vào thứ Sáu, theo nguồn tin riêng của TechCrunch.

Mô hình này, Glimpse, đang được ra mắt dưới dạng bản xem trước nghiên cứu với quyền truy cập API và giao diện trò chuyện chỉ dành cho danh sách chờ, vì vậy hiện tại nó chỉ là một bảng kết quả và một luận điểm. Luận điểm đó là gì? Các mô hình AI ngày nay, dù có kỹ năng về ngôn ngữ và mã nguồn đến đâu, vẫn chưa thể thực sự nhìn thấy.

Hầu hết các mô hình đa phương thức đều nhìn vào một hình ảnh một lần, chuyển đổi nó thành các token, sau đó suy luận về nó bằng văn bản — giống như việc mô tả một bức ảnh từ trí nhớ. Glimpse liên tục quay lại nguồn dữ liệu. Ngay trong lúc suy luận, nó có thể cắt một vùng ảnh, trích xuất các khung hình cụ thể từ video hoặc chạy mã để đo lường hoặc so sánh những gì nó đang thấy, một cơ chế mà Elorian gọi là “không gian nháp trực quan” (visual scratch space). Hãy nghĩ về việc ai đó dùng ngón tay phóng to một bức ảnh trên điện thoại để kiểm tra lại những gì họ nghĩ mình đã thấy.

Đối với Andrew Dai, cựu nghiên cứu viên tại Google DeepMind và hiện là CEO của Elorian, một trong những dấu hiệu rõ ràng nhất cho thấy AI vẫn chưa thể thực sự nhìn thấy đã xuất hiện trong một đêm chơi game.